激光能量密度分布的测量方法

激光能量密度分布的测量方法

段锦¹, 吴君¹, 端木繁一², 景文博¹

1. 长春理工大学电子信息工程学院, 长春 130022; 2. 北京理工大学信息科学技术学院, 北京 100081

收稿日期:2008-10-29 修回日期:1900-01-01 出版日期:2009-03-26 发布日期:2009-03-26
通讯作者: 段锦

Method for Measuring Laser Energy Density Distribution

DUAN Jin¹, WU Jun¹, DUANMU Fanyi², JING Wenbo¹

1. School of Electronic Information and Engineering, Changchun University ofScience and Technology, Changchun 130022, China; 2. School of Information Science and Technology, Beijing Institute of Technology, Beijing 100081, China

Received:2008-10-29 Revised:1900-01-01 Online:2009-03-26 Published:2009-03-26
Contact: DUAN Jin

摘要/Abstract

摘要： 提出一种用于激光能量密度分布测量与分析的方法, 首先采用图像处理方法对激光光斑图像进行检测处理, 再对激光光斑波面进行拟合, 并采用伪彩色对激光能量分布进行三维显示. 采用Zernike多项式对波前进行拟合和重构, 讨论了拟合采样点的布设方法, 并用激光能量密度测试精度平均误差较小的同心放射状采样点布局方案. 采用伪彩色算法对二维光斑图像进行三维模型显示, 反映光斑不同区域能量分布的相对大小和位置. 实验结果表明, 该方法基本满足激光能量密度分布检测的要求.

关键词: 能量密度分布, Zernike多项式, 波面拟合, 伪彩色变换, 激光光束质量

Abstract: The methods were presented for measuring and analysising laser energy density distribution. First, the spot images were detected and lo cated. Then wavefront was fitted based on Zernike polynomial. Finally, 3D-pseudocolor visualization algorithm was used for 2D-laser spot images. Experimental results indicate that the Zernike polynomial fitting realized wavefront detection and reconstruction. The method of fitting sample points selection was studied based on the least average error of laser energy intensity testing precision. The visualizationmethod reflected the relative sizes and positions of laser spot energy distribution in different areas. The testing system fully satisfied the demand of laser energy intensity measurement.

Key words: energy density distribution, Zernike polynomial, wave front fitting, pseudocolor transform, beam quality

中图分类号:

TP391.41

段锦, 吴君, 端木繁一, 景文博. 激光能量密度分布的测量方法[J]. J4, 2009, 47(02): 311-316.

DUAN Jin, WU Jun, DUANMU Fanyi, JING Wenbo. Method for Measuring Laser Energy Density Distribution[J]. J4, 2009, 47(02): 311-316.

[1]	张震, 张照崎, 朱留存, 刘济尘, 魏金占, 蔡旭航, 赵成龙. 一种基于Shi-Tomasi和改进LBP的特征匹配及目标定位快速算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1171-1178.
[2]	丁通, 刘元宁, 朱晓冬, 刘帅, 张齐贤, 张阔. 面向残差网络多元特征的轻量级虹膜分类[J]. 吉林大学学报(理学版), 2021, 59(4): 877-882.
[3]	张震, 张照崎, 朱留存, 苗志滨, 王骥月, 李修明, 赵成龙, 张坤伦. 基于Harris-改进LBP的特征匹配及目标定位算法[J]. 吉林大学学报(理学版), 2021, 59(3): 568-576.
[4]	李二强, 陈凯健, 周漾. 可控多重纹理扩展合成与迁移[J]. 吉林大学学报(理学版), 2021, 59(3): 577-586.
[5]	冯福存, 常莉红. 一种基于内容增强的可见光-红外线图像融合方法[J]. 吉林大学学报(理学版), 2021, 59(3): 595-601.
[6]	蒋俊锋, 孙晓莉, 邓子越, 黄瑞, 何坤金, 陈正鸣, 刘宏伟, 张文玺. 模板引导与数据驱动的三维碎骨修复方法[J]. 吉林大学学报(理学版), 2021, 59(2): 295-308.
[7]	张媛媛, 张红英. 结合饱和度调节的单曝光HDR图像生成方法[J]. 吉林大学学报(理学版), 2021, 59(2): 309-318.
[8]	张震, 张照崎, 苗志滨, 朱留存, 李修明, 麦冬, 张坤伦, 周瑞凯. 基于Harris-Hist的特征匹配及目标定位算法[J]. 吉林大学学报(理学版), 2021, 59(2): 333-341.
[9]	赵晓晴, 李慧盈, 苏安炀, 张海涛, 刘景鑫, 顾桂颖. 基于加权损失函数的粘连白细胞分割算法[J]. 吉林大学学报(理学版), 2021, 59(1): 85-91.
[10]	张齐贤, 朱晓冬, 刘元宁, 王超群, 吴祖慷, 李昕龙. 基于GA-BP神经网络的序列虹膜质量评价算法[J]. 吉林大学学报(理学版), 2020, 58(6): 1382-1390.
[11]	陈广秋, 王冰雪, 刘美, 刘广文. 基于结构信息相似度的线性投影灰度化算法[J]. 吉林大学学报(理学版), 2020, 58(4): 877-884.
[12]	温长吉, 赵珊珊, 申利未, 任虹宾. 基于局部时空模式的体育视频行为识别[J]. 吉林大学学报(理学版), 2020, 58(2): 379-387.
[13]	刘帅, 刘元宁, 庄述鑫, 侯铭楷, 陈静, 张水涵. 自适应优化Log-Gabor滤波器与动态径向基函数神经网络的虹膜识别[J]. 吉林大学学报(理学版), 2019, 57(2): 331-338.
[14]	罗浩, 仲佳嘉, 李祥. 基于改进多尺度Retinex的单幅彩色图像增强算法[J]. 吉林大学学报(理学版), 2019, 57(2): 369-374.
[15]	刘淑琴. 基于LTCP特征的计算机生成图像鉴别算法[J]. 吉林大学学报(理学版), 2019, 57(2): 393-398.